HyperAIHyperAI

Command Palette

Search for a command to run...

تقسيم صور الخرائط الأرضية باستخدام التعلم شبه الضعيف القائم على الرسم التخطيطي: نهج مستقل عن الأسلوب والفئة

Jielin CHEN;Rudi STOUFFS

الملخص

يمر مجال التصميم المعماري بتحول جوهري نحو دمج مناهج حسابية متقدمة، بهدف إحداث ثورة في الممارسات التقليدية من خلال الأتمتة. ويُعد أحد الجوانب المحورية هو أتمتة تمييز مخططات الطوابق. وتواجه هذه المهمة تحديات ناتجة عن التنوّع الكبير في أنماط مخططات الطوابق، واحتياجها لبيانات مُعلَّمة على نطاق واسع لطرق تعتمد على التعلّم، وهو ما يُعَقّد بسبب غياب قواعد معيارية للعرض البصري والمعرفة المتخصصة في التصنيف. ويقدّم بحثنا إطارًا جديدًا يعتمد على الرسم بالقلم (scribble) ويدعم التعلّم شبه الضعيف، حيث يدمج بين الصور المُعلَّمة بشكل ضعيف والصور غير المُعلَّمة لتعزيز مرونة النموذج وقابليته للتطبيق العام. ويتميّز هذا الإطار بتبسيط عملية التصنيف مع الحفاظ على التفاصيل الدقيقة. وبهذا، نقدّم مجموعة بيانات معيارية جديدة لتحليل صور مخططات الطوابق، تغطي طيفًا واسعًا من الأساليب والتصنيفات المعمارية. وتُظهر التجارب التي أجريت على الإطار المقترح تحسّنًا ملحوظًا في دقة التحليل وقابلية تكييف النموذج، متفوّقةً بشكل كبير على الحلول الحالية الأفضل في مجالها.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp